如何在Linux上畅享哔哩哔哩:bilibili-linux完整使用指南 🚀
bilibili-linux 是一款基于哔哩哔哩官方客户端移植的Linux桌面应用,专为Linux用户打造,支持区域漫游、弹幕共享等增强功能,让你在Linux系统上也能无缝享受B站内容!
📋 核心功能亮点
✨ 无标题栏设计与小屏适配
告别传统窗口标题栏的冗余,应用界面更简洁。特别优化小分辨率屏幕的全屏体验,观影更沉浸!
🌍 强大的区域漫游功能
突破地域限制,轻松访问外区内容。通过 src/extension/common/roaming.ts 模块实现的智能路由技术,让你随时切换内容区域。
🎬 完整的视频与直播支持
不仅能流畅播放番剧、影视和UP主视频,还完美支持B站直播功能,精彩内容不缺席:
图:bilibili-linux直播观看界面,支持弹幕互动与画质调节
🔄 智能更新与便捷菜单
内置更新检查功能,随时获取最新版本:
图:一键检查更新,及时获取新功能与优化
右上角托盘菜单提供完整控制选项,轻松管理应用状态:
图:便捷的托盘菜单,支持退出、最小化等快速操作
🚀 快速安装指南
自动化构建版本(推荐)
直接下载预构建安装包:
# 访问Release页面下载对应架构的.deb或.AppImage文件
# 或使用即时构建版本(持续更新)
手动构建步骤
# 1. 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/bi/bilibili-linux.git
cd bilibili-linux
# 2. 运行安装脚本
tools/setup-bilibili
# 3. 启动应用
bin/bilibili
详细安装说明请参考官方文档:docs/安装指南
⚙️ 特色功能详解
弹幕共享与优化
支持跨设备弹幕同步,自定义弹幕显示效果。通过 src/extension/common/danmaku.ts 模块实现的高级弹幕系统,支持:
- 弹幕速度调节
- 关键词屏蔽
- 自定义字体大小
智能空降助手
自动识别视频关键内容,一键跳转到精彩片段。通过 tools/transcribe.py 实现的AI语音识别技术,精准定位视频高光时刻。
多语言支持
轻松切换界面语言:
- 点击右下角「设定」按钮
- 进入「其它设定」
- 在「语言设定」中选择偏好语言
语言包文件路径:src/extension/common/translation/
🛠️ 高级配置
自定义启动参数
创建配置文件 ~/.config/bilibili/bilibili-flags.conf 添加启动参数:
# 禁用GPU加速(部分老旧显卡适用)
--disable-gpu
# 启用硬件解码
--enable-accelerated-video-decode
开发者工具
按下 F12 打开开发者工具,调试界面元素与网络请求。登录界面支持右键打开上下文菜单,方便高级用户进行自定义开发。
📚 更多资源
- 官方文档:docs/
- 弹幕共享指南:docs/help/弹幕共享.MD
- 区域限制解除:docs/区域限制.MD
- 自定义托盘菜单:docs/自定义托盘菜单.MD
💡 常见问题
Q: 如何解决区域限制问题?
A: 启用漫游功能后自动切换访问节点,详细配置见 src/extension/common/roaming.ts 模块说明。
Q: 遇到播放卡顿怎么办?
A: 尝试在设置中降低画质或禁用硬件加速,配置文件路径 ~/.config/bilibili/bilibili-flags.conf
📄 开源许可
本项目完全开源,代码仓库地址:https://gitcode.com/gh_mirrors/bi/bilibili-linux
许可证信息:license
通过bilibili-linux,Linux用户终于可以拥有原生的B站桌面体验!无论是番剧追更、直播观看还是弹幕互动,都能获得媲美Windows平台的流畅体验。立即下载体验,开启你的LinuxB站之旅吧! 🎉
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
